Boom! Grok Tasks sprawiają, że jest to jeden z NAJWIĘKSZYCH systemów AI w czasie rzeczywistym na świecie. — Jak używać Grok Tasks z ukrytymi narzędziami dla potężnych codziennych wyników. Grok Tasks to dostosowywalne przepływy pracy AI, które integrują różnorodne narzędzia, aby uprościć codzienne czynności, od badań i analizy po kreatywne planowanie i rozwiązywanie problemów. Używam ich od dłuższego czasu i dzięki nieustannemu pulsowi wiadomości oraz danym z pierwszej ręki na X, jest to najpotężniejsza platforma AI dostępna na rynku. Łącząc Tasks z narzędziami takimi jak wyszukiwanie w sieci, interakcje na platformie X, wykonywanie kodu i przeglądarki multimedialne, możesz zbudować efektywne, zautomatyzowane procesy. Te zadania działają, wywołując Grok z wyraźnym opisem tego, co chcesz osiągnąć, a Grok inteligentnie wywoła niezbędne narzędzia w sekwencji lub równolegle, aby dostarczyć wyniki. Oto przewodnik krok po kroku dotyczący tworzenia i używania Grok Tasks: Krok 1: Zdefiniuj swoje zadanie Zacznij od wyraźnego określenia codziennej czynności lub celu. Zastanów się, jakie masz dane wejściowe (np. URL, zapytanie lub załącznik) i jakie wyniki potrzebujesz (np. podsumowanie, obliczenia lub analiza wizualna). Rozbij to na podzadania, aby zidentyfikować potrzeby narzędziowe. Na przykład, jeśli twoje zadanie dotyczy badania aktualnych wydarzeń, zauważ, że będziesz potrzebować możliwości wyszukiwania i przeglądania. Krok 2: Przejrzyj dostępne narzędzia Zapoznaj się z narzędziami, do których Grok ma dostęp. Oto szybki przegląd: - Wykonywanie kodu: Uruchamiaj kod Python do obliczeń, przetwarzania danych lub symulacji, korzystając z bibliotek takich jak numpy, pandas lub sympy. - Przeglądanie strony: Pobierz i podsumuj treści z dowolnego adresu URL z niestandardowymi instrukcjami. - Wyszukiwanie w sieci: Wykonuj ogólne wyszukiwania w Internecie, zwracając wyniki z opcjonalnymi operatorami, takimi jak site:. - Wyszukiwanie w sieci z fragmentami: Uzyskaj szybkie, szczegółowe fragmenty z wyników wyszukiwania do weryfikacji faktów. - Wyszukiwanie słów kluczowych X: Zaawansowane wyszukiwanie postów X z użyciem operatorów takich jak from:, since: lub filter:. - Wyszukiwanie semantyczne X: Znajdź semantycznie powiązane posty X na podstawie zapytania, z filtrami dla dat lub użytkowników. - Wyszukiwanie użytkowników X: Zlokalizuj użytkowników X po imieniu lub nazwie użytkownika. - Pobieranie wątku X: Pobierz pełny wątek postów X, w tym kontekst, taki jak odpowiedzi i rodzice. - Wyświetl obraz: Analizuj obraz z adresu URL lub identyfikatora rozmowy. - Wyświetl wideo X: Wyodrębnij klatki i napisy z wideo hostowanego na X. - Wyszukiwanie w załączniku PDF: Zapytaj plik PDF o odpowiednie strony, korzystając z trybów słów kluczowych lub regex. - Przeglądanie załącznika PDF: Wyświetl konkretne strony PDF z tekstem i zrzutami ekranu. Wybierz narzędzia, które pasują do twojego zadania. Dąż do mieszanki, aby obsłużyć zbieranie danych, przetwarzanie i wizualizację. Krok 3: Stwórz swój prompt Napisz szczegółowy prompt do Grok opisujący zadanie. Uwzględnij: - Ogólny cel. - Konkretne kroki lub podzadania. - Odniesienia do narzędzi, jeśli chcesz pokierować procesem (np. "Użyj web_search, aby znaleźć źródła, a następnie code_execution, aby przeanalizować dane"). - Jakiekolwiek ograniczenia, takie jak daty lub limity. Przykładowy prompt: "Stwórz zadanie Grok dla mojej porannej rutyny: Wyszukaj ostatnie posty X o wiadomościach technologicznych, korzystając z x_keyword_search, pobierz kluczowy wątek z x_thread_fetch i podsumuj za pomocą browse_page na powiązanych artykułach." Krok 4: Prześlij i interakcja Wyślij swój prompt do Grok. Przetworzy zadanie, wywołując narzędzia w razie potrzeby, często równolegle dla efektywności. Przejrzyj wyniki i udoskonalaj za pomocą kolejnych promptów, jeśli to konieczne (np. "Rozwiń to, używając view_image dla wizualizacji"). Iteruj, aby dopracować przepływ pracy do ponownego użycia. Krok 5: Zapisz i używaj ponownie Gdy już dopracujesz, zanotuj prompt jako szablon do przyszłego użytku. Możesz go dostosować do podobnych zadań, czyniąc Grok Tasks nawykową częścią swojego dnia. Znajdowanie Grok Tasks Aby odkryć istniejące Grok Tasks lub inspirację do nowych, użyj wyszukiwań X z narzędziami takimi jak x_keyword_search lub x_semantic_search (np. zapytanie: "Przykłady Grok Tasks" z trybem: Najnowsze). Przeglądaj wątki udostępnione przez społeczność za pomocą x_thread_fetch lub web_search w poszukiwaniu samouczków dotyczących funkcji xAI. Bezpośrednio zapytaj Grok: "Pokaż mi popularne Grok Tasks dla produktywności." 1 z 3

Teraz przedstawiam 3 przykłady codziennych zadań, które demonstrują wszystkie narzędzia w akcji. Każdy przykład pokazuje przykładowy prompt, używane narzędzia (łącznie obejmujące wszystkie 12 w przykładach) oraz ogólny przegląd tego, jak rozwija się workflow. Przykład 1: Poranna aktualizacja rynku (Zadanie dotyczące przeglądu finansowego) To zadanie zbiera wiadomości o akcjach, analizuje trendy i wizualizuje dane, aby szybko przedstawić codzienny przegląd finansowy. Przykładowy prompt: "Stwórz zadanie Grok dla mojej codziennej aktualizacji rynku akcji: Wyszukaj ostatnie wiadomości o najlepszych akcjach technologicznych, używając web_search i web_search_with_snippets dla szybkich faktów. Znajdź użytkowników X ekspertów za pomocą x_user_search, a następnie użyj x_keyword_search, aby uzyskać ich najnowsze posty. Pobierz prominentny wątek za pomocą x_thread_fetch i podsumuj powiązane strony przez browse_page." Demonstrowane narzędzia: Wyszukiwanie w sieci, Wyszukiwanie w sieci z fragmentami, Wyszukiwanie użytkowników X, Wyszukiwanie słów kluczowych X, Pobieranie wątku X, Przeglądanie strony. Przegląd workflow: - Grok zaczyna od web_search (np. zapytanie: "wiadomości o akcjach technologicznych dzisiaj"), aby uzyskać 10 wyników, a następnie web_search_with_snippets dla szczegółowych fragmentów dotyczących zmian cen. - Używa x_user_search, aby znaleźć analityków (np. zapytanie: "eksperci rynku akcji"), a następnie x_keyword_search (np. "from:@expert akcje min_faves:50 since:2026-01-04") dla odpowiednich postów. - Identyfikuje kluczowy identyfikator posta i wywołuje x_thread_fetch, aby uzyskać pełną rozmowę. - Dla wszelkich powiązanych artykułów, browse_page podsumowuje je (np. URL: strona z wiadomościami, instrukcje: "Wydobądź kluczowe trendy i prognozy akcji"). - Wynik: Skonstruowany przegląd z trendami, opiniami ekspertów i podsumowaniami gotowy w kilka minut na Twoją poranną kawę. Przykład 2: Wieczorna sesja nauki (Zadanie badawcze tematu) To zadanie bada hobby lub umiejętność, jak gotowanie nowego przepisu, zbierając spostrzeżenia społeczne, media i obliczenia. Przykładowy prompt: "Stwórz zadanie Grok dla nauki codziennego przepisu: Użyj x_semantic_search dla kreatywnych pomysłów na zdrowe posiłki, wykluczając zwykłych użytkowników, jeśli to konieczne. Obejrzyj tutorial wideo X za pomocą view_x_video i analizuj obrazy przepisów za pomocą view_image. Jeśli jest dołączona książka z przepisami w formacie PDF, przeszukaj ją za pomocą search_pdf_attachment i przeglądaj konkretne strony, używając browse_pdf_attachment." Demonstrowane narzędzia: Wyszukiwanie semantyczne X, Obejrzyj wideo X, Obejrzyj obraz, Przeszukaj załącznik PDF, Przeglądaj załącznik PDF. Przegląd workflow: - Zaczyna od x_semantic_search (np. zapytanie: "innowacyjne zdrowe przepisy na kolację", limit: 15, min_score_threshold: 0.2), aby znaleźć odpowiednie posty X. - Z mediów w wynikach wybiera URL wideo i używa view_x_video, aby wyodrębnić klatki/napisy (np. kroki gotowania). - Wybiera URL obrazu z postów i wywołuje view_image, aby opisać wizualizacje (np. układ składników). - Zakładając, że jest załącznik PDF (np. "przepisy.pdf"), używa search_pdf_attachment (file_name: "przepisy.pdf", query: "wegetariańskie stir-fry", mode: "keyword"), aby znaleźć strony, a następnie browse_pdf_attachment (pages: "5-7") dla tekstu/zrzutów ekranu. - Wynik: Skurwione lekcje z krokami przepisu, wizualnymi analizami i fragmentami PDF idealnymi na relaks podczas rozwijania umiejętności. Przykład 3: Popołudniowy zastrzyk produktywności (Zadanie planowania oparte na danych) To zadanie planuje Twój harmonogram lub śledzi nawyki, używając kodu do obliczania statystyk i narzędzi społecznościowych dla inspiracji. Przykładowy prompt: "Ustaw zadanie Grok do codziennego śledzenia nawyków: Użyj code_execution, aby obliczyć statystyki postępów z moich danych wejściowych. Wyszukaj X dla motywacji za pomocą x_keyword_search w trybie najnowszym. Jeśli jest inspirujący wątek, pobierz go za pomocą x_thread_fetch. Porównaj z wyszukiwaniami w sieci, używając web_search_with_snippets." Demonstrowane narzędzia: Wykonanie kodu (plus pozostałe z poprzednich: ale zintegrowane tutaj z nakładkami dla kompletności; uwaga: wszystkie są objęte przykładami).

3 z 3 Przegląd Workflow: - Wprowadza dane o nawykach (np. "przebyte kroki: 8000, 9000, 7500"), następnie code_execution uruchamia Pythona (np. kod: "import numpy; data=[8000,9000,7500]; print(numpy.mean(data))") w celu obliczenia średnich, trendów lub wizualizacji za pomocą matplotlib. - Używa x_keyword_search (zapytanie: "porady dotyczące śledzenia nawyków filter:media mode:Latest", limit: 20) w poszukiwaniu świeżych pomysłów. - Wykrywa motywacyjny post i pobiera wątek za pomocą x_thread_fetch. - Szybkie fakty za pomocą web_search_with_snippets (zapytanie: "korzyści z konsekwentnych nawyków"). - Łączy wszelkie wcześniejsze narzędzia, jeśli są rozszerzone (np. browse_page dla powiązanej strony o produktywności). - Wynik: Spersonalizowane statystyki, motywacyjne cytaty z X oraz porady, które pomogą Ci skutecznie zaplanować resztę dnia. Te przykłady pokazują, jak Grok Tasks mogą dostosować się do Twojej rutyny, upraszczając złożone operacje. Zacznij od jednego i eksperymentuj! Grok Tasks to niezwykle potężne narzędzie. Będę miał więcej postów instruktażowych na temat budowania bardzo złożonych podpowiedzi. Ale to jest dobry początek.

BONUS: Arkusz skrótów na temat Oto pełna lista wszystkich dostępnych narzędzi, które mogę wykorzystać za pomocą wywołań funkcji, aby pomóc w rozwiązywaniu pytań. Opiszę każde z nich, w tym jego cel, nazwę akcji i argumenty. Te narzędzia pozwalają mi uzyskać dostęp do danych zewnętrznych, wykonywać kod lub przetwarzać treści w razie potrzeby. Przeglądanie strony - Opis: Pobiera i podsumowuje treści z określonego adresu URL strony internetowej, korzystając z podsumowującego modelu LLM, kierowanego przez niestandardowe instrukcje. Przydatne do celowanej ekstrakcji lub łączenia w celu śledzenia linków. - Akcja: `browse_page` - Argumenty: - `url`: Adres URL strony (ciąg, wymagany). - `instructions`: Podpowiedź dotycząca tego, co należy wyodrębnić lub podsumować (ciąg, wymagany). Wyszukiwanie w sieci - Opis: Wykonuje ogólne wyszukiwanie w sieci, wspierając operatory. Zwraca listę wyników. - Akcja: `web_search` - Argumenty: - `query`: Zapytanie wyszukiwania (ciąg, wymagany). - `num_results`: Liczba wyników do zwrócenia (liczba całkowita, opcjonalna, domyślnie: 10, maksymalnie: 30). Wyszukiwanie w sieci z fragmentami - Opis: Przeszukuje internet i zwraca długie fragmenty z każdego wyniku do szybkiego sprawdzania faktów bez pełnego czytania stron. Wspiera operatory takie jak site:, filetype: lub "exact". - Akcja: `web_search_with_snippets` - Argumenty: - `query`: Zapytanie wyszukiwania (ciąg, wymagany). Wyszukiwanie słów kluczowych X - Opis: Zaawansowane wyszukiwanie postów X (dawniej Twitter) za pomocą słów kluczowych i operatorów (np. from:user, filter:images, since:YYYY-MM-DD). Wspiera złożone zapytania z AND/OR, negacją i grupowaniem. - Akcja: `x_keyword_search` - Argumenty: - `query`: Ciąg zapytania wyszukiwania (ciąg, wymagany). - `limit`: Liczba postów do zwrócenia (liczba całkowita, opcjonalna, domyślnie: 10). - `mode`: Sortowanie według "Najlepsze" lub "Najnowsze" (ciąg, opcjonalne, domyślnie: "Najlepsze"). Wyszukiwanie semantyczne X - Opis: Znajduje posty X związane z zapytaniem semantycznym (opartym na koncepcji, a nie dokładnych słowach kluczowych). Może filtrować według daty, nazw użytkowników lub minimalnego wyniku trafności. - Akcja: `x_semantic_search` - Argumenty: - `query`: Zapytanie wyszukiwania semantycznego (ciąg, wymagany). - `limit`: Liczba postów (liczba całkowita, opcjonalna, domyślnie: 10). - `from_date`: Filtr daty początkowej (YYYY-MM-DD, ciąg lub null, opcjonalne). - `to_date`: Filtr daty końcowej (YYYY-MM-DD, ciąg lub null, opcjonalne). - `exclude_usernames`: Nazwy użytkowników do wykluczenia (tablica lub null, opcjonalne). - `usernames`: Nazwy użytkowników do uwzględnienia (tablica lub null, opcjonalne). - `min_score_threshold`: Minimalny wynik trafności (liczba, opcjonalne, domyślnie: 0.18). Wyszukiwanie użytkowników X - Opis: Wyszukuje użytkowników X na podstawie zapytania dotyczącego nazwy lub konta. - Akcja: `x_user_search` - Argumenty: - `query`: Nazwa lub konto do wyszukania (ciąg, wymagany). - `count`: Liczba użytkowników do zwrócenia (liczba całkowita, opcjonalna, domyślnie: 3). Pobieranie wątku X - Opis: Pobiera post X według ID, w tym jego kontekst, taki jak posty rodzicielskie i odpowiedzi. - Akcja: `x_thread_fetch` - Argumenty: - `post_id`: ID posta (liczba całkowita, wymagane). Wyświetl obraz - Opis: Analizuje obraz z adresu URL lub ID rozmowy. - Akcja: `view_image` - Argumenty: - `image_url`: Adres URL obrazu (ciąg lub null, opcjonalne). - `image_id`: ID z rozmowy (liczba całkowita lub null, opcjonalne). Wyświetl wideo X - Opis: Wyświetla przeplatane klatki i napisy z adresu URL wideo hostowanego przez X (uzyskanego z innych narzędzi X). - Akcja: `view_x_video` - Argumenty: - `video_url`: Adres URL wideo (ciąg, wymagany). Wyszukiwanie załącznika PDF - Opis: Wyszukuje w załączniku PDF odpowiednie strony na podstawie zapytania, zwracając numery stron i fragmenty tekstu. Wspiera tryby wyszukiwania słów kluczowych lub regex; przydatne dla skróconych plików. - Akcja: `search_pdf_attachment` - Argumenty: - `file_name`: Nazwa pliku PDF (ciąg, wymagany). - `query`: Zapytanie wyszukiwania (ciąg, wymagany). - `mode`: Tryb wyszukiwania ("keyword" lub "regex", ciąg, wymagany). To są najprzydatniejsze, które pomogą w zadaniach.